【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)涉及醫(yī)學(xué)圖像分析，尤其涉及一種基于醫(yī)學(xué)圖像的批次效應(yīng)分析方法及系統(tǒng)。
技術(shù)介紹
1、批次效應(yīng)是一種非生物學(xué)變異，它源于數(shù)據(jù)生成過程中不同批次數(shù)據(jù)之間的技術(shù)差異，例如來自不同中心或由不同掃描儀獲得的圖像。這種現(xiàn)象會對基于計算病理學(xué)或放射學(xué)的癌癥診斷模型的穩(wěn)健性和通用性產(chǎn)生不利影響，尤其是在多中心研究中，數(shù)字病理學(xué)涉及所用掃描儀、所采用的圖像預(yù)處理方法、操作員處理以及幻燈片準(zhǔn)備方式的差異。放射學(xué)涉及掃描儀、協(xié)議、采集參數(shù)和圖像預(yù)處理方法的變化，且批次效應(yīng)在機(jī)器學(xué)習(xí)應(yīng)用方面，帶來了巨大的障礙。當(dāng)算法在一個中心上進(jìn)行訓(xùn)練時，它們在應(yīng)用于另一個中心時可能表現(xiàn)不佳，并且缺乏穩(wěn)健性或通用性。
技術(shù)實(shí)現(xiàn)思路
1、為了解決上述技術(shù)問題，本專利技術(shù)的目的是提供一種基于醫(yī)學(xué)圖像的批次效應(yīng)分析方法及系統(tǒng)，通過減少數(shù)據(jù)中的批次效應(yīng)進(jìn)而提高批次效應(yīng)在醫(yī)學(xué)圖像分析上的穩(wěn)定性。
2、本專利技術(shù)所采用的第一技術(shù)方案是：一種基于醫(yī)學(xué)圖像的批次效應(yīng)分析方法，包括以下步驟：
3、獲取醫(yī)學(xué)圖像數(shù)據(jù)；
4、引入預(yù)處理器模塊、特征提取器模塊與分析器模塊，構(gòu)建批次效應(yīng)探索器網(wǎng)絡(luò)；
5、基于批次效應(yīng)探索器網(wǎng)絡(luò)對醫(yī)學(xué)圖像數(shù)據(jù)進(jìn)行批量效應(yīng)評估與可視化處理，得到醫(yī)學(xué)圖像的批次效應(yīng)分析結(jié)果。
6、進(jìn)一步，所述基于批次效應(yīng)探索器網(wǎng)絡(luò)對醫(yī)學(xué)圖像數(shù)據(jù)進(jìn)行批量效應(yīng)評估與可視化處理，得到醫(yī)學(xué)圖像的批次效應(yīng)分析結(jié)果這一步驟，其具體包括：
7、將醫(yī)學(xué)圖像數(shù)據(jù)輸入至批次效應(yīng)
8、基于批次效應(yīng)探索器網(wǎng)絡(luò)的預(yù)處理器模塊，對醫(yī)學(xué)圖像數(shù)據(jù)進(jìn)行圖像預(yù)處理，得到預(yù)處理后的醫(yī)學(xué)圖像數(shù)據(jù)；
9、基于批次效應(yīng)探索器網(wǎng)絡(luò)的特征提取器模塊，對預(yù)處理后的醫(yī)學(xué)圖像數(shù)據(jù)進(jìn)行圖像特征提取處理，得到醫(yī)學(xué)圖像特征矩陣；
10、基于批次效應(yīng)探索器網(wǎng)絡(luò)的分析器模塊，對醫(yī)學(xué)圖像特征矩陣進(jìn)行批量效應(yīng)評估與可視化處理，得到醫(yī)學(xué)圖像的批次效應(yīng)分析結(jié)果。
11、進(jìn)一步，所述基于批次效應(yīng)探索器網(wǎng)絡(luò)的預(yù)處理器模塊，對醫(yī)學(xué)圖像數(shù)據(jù)進(jìn)行圖像預(yù)處理，得到預(yù)處理后的醫(yī)學(xué)圖像數(shù)據(jù)這一步驟，其具體包括：
12、將醫(yī)學(xué)圖像數(shù)據(jù)輸入至基于批次效應(yīng)探索器網(wǎng)絡(luò)的預(yù)處理器模塊；
13、對醫(yī)學(xué)圖像數(shù)據(jù)進(jìn)行格式轉(zhuǎn)換處理，得到具有預(yù)設(shè)格式要求的醫(yī)學(xué)圖像數(shù)據(jù)；
14、對具有預(yù)設(shè)格式要求的醫(yī)學(xué)圖像數(shù)據(jù)進(jìn)行預(yù)分割處理，得到感興趣區(qū)域掩碼和臨床數(shù)據(jù)；
15、整合感興趣區(qū)域掩碼和臨床數(shù)據(jù)，得到預(yù)處理后的醫(yī)學(xué)圖像數(shù)據(jù)。
16、進(jìn)一步，所述基于批次效應(yīng)探索器網(wǎng)絡(luò)的分析器模塊，對醫(yī)學(xué)圖像特征矩陣進(jìn)行批量效應(yīng)評估與可視化處理，得到醫(yī)學(xué)圖像的批次效應(yīng)分析結(jié)果這一步驟，其具體包括：
17、將醫(yī)學(xué)圖像特征矩陣輸入至基于批次效應(yīng)探索器網(wǎng)絡(luò)的分析器模塊；
18、基于分析器模塊的圖像概覽器模塊，對醫(yī)學(xué)圖像特征矩陣進(jìn)行圖像大小調(diào)節(jié)、排列組合與視覺差異特征提取處理，得到第一批次效應(yīng)評估結(jié)果；
19、基于分析器模塊的帶小提琴圖的分布分析模塊，對醫(yī)學(xué)圖像特征矩陣進(jìn)行wilcoxon秩和檢驗(yàn)，得到第二批次效應(yīng)評估結(jié)果；
20、基于分析器模塊的均勻流形近似和投影模塊，對醫(yī)學(xué)圖像特征矩陣進(jìn)行投影降維處理，得到第三批次效應(yīng)評估結(jié)果；
21、基于分析器模塊的層次聚類模塊，對醫(yī)學(xué)圖像特征矩陣進(jìn)行層次聚類處理，得到第四批次效應(yīng)評估結(jié)果；
22、基于分析器模塊的主變異成分分析模塊，對醫(yī)學(xué)圖像特征矩陣進(jìn)行主成分分析與方差成分分析處理，得到第五批次效應(yīng)評估結(jié)果；
23、基于分析器模塊的批量效應(yīng)評分模塊，對醫(yī)學(xué)圖像特征矩陣進(jìn)行多次聚類穩(wěn)定性評估處理，得到第六批次效應(yīng)評估結(jié)果；
24、整合第一批次效應(yīng)評估結(jié)果、第二批次效應(yīng)評估結(jié)果、第三批次效應(yīng)評估結(jié)果、第四批次效應(yīng)評估結(jié)果、第五批次效應(yīng)評估結(jié)果和第六批次效應(yīng)評估結(jié)果，得到醫(yī)學(xué)圖像的批次效應(yīng)分析結(jié)果。
25、進(jìn)一步，所述基于分析器模塊的均勻流形近似和投影模塊，對醫(yī)學(xué)圖像特征矩陣進(jìn)行投影降維處理，得到第三批次效應(yīng)評估結(jié)果這一步驟，其具體包括：
26、將醫(yī)學(xué)圖像特征矩陣輸入至基于分析器模塊的均勻流形近似和投影模塊；
27、基于均勻流形近似和投影模塊，初始化鄰居數(shù)、最小距離和成分?jǐn)?shù)量，構(gòu)建初始化后的均勻流形近似和投影模塊；
28、基于初始化后的均勻流形近似和投影模塊，對醫(yī)學(xué)圖像特征矩陣進(jìn)行擬合處理，得到低維嵌入醫(yī)學(xué)圖像特征矩陣；
29、根據(jù)低維嵌入醫(yī)學(xué)圖像特征矩陣獲取對應(yīng)的散點(diǎn)圖并繪制于二維平面進(jìn)行可視化處理，得到第三批次效應(yīng)評估結(jié)果。
30、進(jìn)一步，所述基于分析器模塊的層次聚類模塊，對醫(yī)學(xué)圖像特征矩陣進(jìn)行層次聚類處理，得到第四批次效應(yīng)評估結(jié)果這一步驟，其具體包括：
31、將醫(yī)學(xué)圖像特征矩陣輸入至基于分析器模塊的層次聚類模塊；
32、基于層次聚類模塊，初始化連接方法參數(shù)與距離度量參數(shù)；
33、通過距離度量參數(shù)對醫(yī)學(xué)圖像特征矩陣進(jìn)行計算，構(gòu)建若干具有成對距離矩陣的獨(dú)立簇；
34、通過連接方法參數(shù)搜索之間距離最小對應(yīng)的兩個具有成對距離矩陣的獨(dú)立簇并進(jìn)行合并處理，得到新簇；
35、循環(huán)通過連接方法參數(shù)搜索之間距離最小對應(yīng)的兩個具有成對距離矩陣的獨(dú)立簇并進(jìn)行合并處理，直至遍歷所有獨(dú)立簇，得到第四批次效應(yīng)評估結(jié)果。
36、進(jìn)一步，所述基于分析器模塊的主變異成分分析模塊，對醫(yī)學(xué)圖像特征矩陣進(jìn)行主成分分析與方差成分分析處理，得到第五批次效應(yīng)評估結(jié)果這一步驟，其具體包括：
37、將醫(yī)學(xué)圖像特征矩陣輸入至基于分析器模塊的主變異成分分析模塊；
38、基于主變異成分分析模塊，初始化批次信息向量與臨床信息矩陣，所述臨床信息矩陣表示臨床數(shù)據(jù)；
39、對醫(yī)學(xué)圖像特征矩陣進(jìn)行標(biāo)準(zhǔn)化處理，得到標(biāo)準(zhǔn)化后的醫(yī)學(xué)圖像特征矩陣；
40、對標(biāo)準(zhǔn)化后的醫(yī)學(xué)圖像特征矩陣進(jìn)行主成分分析，得到若干主成分?jǐn)?shù)據(jù)；
41、將若干主成分?jǐn)?shù)據(jù)進(jìn)行整合，得到主成分矩陣；
42、將批次信息向量與臨床信息矩陣進(jìn)行整合，構(gòu)建設(shè)計矩陣；
43、對主成分矩陣進(jìn)行擬合為隨機(jī)因子，并對設(shè)計矩陣進(jìn)行方差成分估計，得到第五批次效應(yīng)評估結(jié)果。
44、進(jìn)一步，所述基于分析器模塊的批量效應(yīng)評分模塊，對醫(yī)學(xué)圖像特征矩陣進(jìn)行多次聚類穩(wěn)定性評估處理，得到第六批次效應(yīng)評估結(jié)果這一步驟，其具體包括：
45、將醫(yī)學(xué)圖像特征矩陣輸入至基于分析器模塊的批量效應(yīng)評分模塊；
46、基于批量效應(yīng)評分模塊，定義重采樣迭代次數(shù)，對醫(yī)學(xué)圖像特征矩陣進(jìn)行多次聚類處理，得到共識矩陣；
47、對共識矩陣進(jìn)行歸一化處理，得到歸一化后的共識矩陣；
48、根據(jù)歸一化后的共識矩陣中的元素群組關(guān)系，構(gòu)建群組矩陣；
49、計算歸一化本文檔來自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
1.一種基于醫(yī)學(xué)圖像的批次效應(yīng)分析方法，其特征在于，包括以下步驟：
2.根據(jù)權(quán)利要求1所述一種基于醫(yī)學(xué)圖像的批次效應(yīng)分析方法，其特征在于，所述基于批次效應(yīng)探索器網(wǎng)絡(luò)對醫(yī)學(xué)圖像數(shù)據(jù)進(jìn)行批量效應(yīng)評估與可視化處理，得到醫(yī)學(xué)圖像的批次效應(yīng)分析結(jié)果這一步驟，其具體包括：
3.根據(jù)權(quán)利要求2所述一種基于醫(yī)學(xué)圖像的批次效應(yīng)分析方法，其特征在于，所述基于批次效應(yīng)探索器網(wǎng)絡(luò)的預(yù)處理器模塊，對醫(yī)學(xué)圖像數(shù)據(jù)進(jìn)行圖像預(yù)處理，得到預(yù)處理后的醫(yī)學(xué)圖像數(shù)據(jù)這一步驟，其具體包括：
4.根據(jù)權(quán)利要求3所述一種基于醫(yī)學(xué)圖像的批次效應(yīng)分析方法，其特征在于，所述基于批次效應(yīng)探索器網(wǎng)絡(luò)的分析器模塊，對醫(yī)學(xué)圖像特征矩陣進(jìn)行批量效應(yīng)評估與可視化處理，得到醫(yī)學(xué)圖像的批次效應(yīng)分析結(jié)果這一步驟，其具體包括：
5.根據(jù)權(quán)利要求4所述一種基于醫(yī)學(xué)圖像的批次效應(yīng)分析方法，其特征在于，所述基于分析器模塊的均勻流形近似和投影模塊，對醫(yī)學(xué)圖像特征矩陣進(jìn)行投影降維處理，得到第三批次效應(yīng)評估結(jié)果這一步驟，其具體包括：
6.根據(jù)權(quán)利要求5所述一種基于醫(yī)學(xué)圖像的批次效應(yīng)分析方法，其特征在于，
7.根據(jù)權(quán)利要求6所述一種基于醫(yī)學(xué)圖像的批次效應(yīng)分析方法，其特征在于，所述基于分析器模塊的主變異成分分析模塊，對醫(yī)學(xué)圖像特征矩陣進(jìn)行主成分分析與方差成分分析處理，得到第五批次效應(yīng)評估結(jié)果這一步驟，其具體包括：
8.根據(jù)權(quán)利要求7所述一種基于醫(yī)學(xué)圖像的批次效應(yīng)分析方法，其特征在于，所述基于分析器模塊的批量效應(yīng)評分模塊，對醫(yī)學(xué)圖像特征矩陣進(jìn)行多次聚類穩(wěn)定性評估處理，得到第六批次效應(yīng)評估結(jié)果這一步驟，其具體包括：
9.根據(jù)權(quán)利要求8所述一種基于醫(yī)學(xué)圖像的批次效應(yīng)分析方法，其特征在于，所述歸一化后的共識矩陣與群組矩陣的曲線下面積的計算表達(dá)式具體如下所示：
10.一種基于醫(yī)學(xué)圖像的批次效應(yīng)分析系統(tǒng)，其特征在于，包括以下模塊：
...【技術(shù)特征摘要】
1.一種基于醫(yī)學(xué)圖像的批次效應(yīng)分析方法，其特征在于，包括以下步驟：
2.根據(jù)權(quán)利要求1所述一種基于醫(yī)學(xué)圖像的批次效應(yīng)分析方法，其特征在于，所述基于批次效應(yīng)探索器網(wǎng)絡(luò)對醫(yī)學(xué)圖像數(shù)據(jù)進(jìn)行批量效應(yīng)評估與可視化處理，得到醫(yī)學(xué)圖像的批次效應(yīng)分析結(jié)果這一步驟，其具體包括：
3.根據(jù)權(quán)利要求2所述一種基于醫(yī)學(xué)圖像的批次效應(yīng)分析方法，其特征在于，所述基于批次效應(yīng)探索器網(wǎng)絡(luò)的預(yù)處理器模塊，對醫(yī)學(xué)圖像數(shù)據(jù)進(jìn)行圖像預(yù)處理，得到預(yù)處理后的醫(yī)學(xué)圖像數(shù)據(jù)這一步驟，其具體包括：
4.根據(jù)權(quán)利要求3所述一種基于醫(yī)學(xué)圖像的批次效應(yīng)分析方法，其特征在于，所述基于批次效應(yīng)探索器網(wǎng)絡(luò)的分析器模塊，對醫(yī)學(xué)圖像特征矩陣進(jìn)行批量效應(yīng)評估與可視化處理，得到醫(yī)學(xué)圖像的批次效應(yīng)分析結(jié)果這一步驟，其具體包括：
5.根據(jù)權(quán)利要求4所述一種基于醫(yī)學(xué)圖像的批次效應(yīng)分析方法，其特征在于，所述基于分析器模塊的均勻流形近似和投影模塊，對醫(yī)學(xué)圖像特征矩陣進(jìn)行投影降維處理，得到第三批次效應(yīng)評估結(jié)果這一...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：陸鋮，吳玉欣，石鎮(zhèn)維，趙可，吳磊，韓楚，劉再毅，
申請(專利權(quán))人：廣東省人民醫(yī)院，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。